Metrika članka

  • citati u SCindeksu: [3]
  • citati u CrossRef-u:0
  • citati u Google Scholaru:[=>]
  • posete u poslednjih 30 dana:7
  • preuzimanja u poslednjih 30 dana:5
članak: 1 od 1  
Serbian Journal of Management
2013, vol. 8, br. 1, str. 53-65
jezik rada: engleski
vrsta rada: originalan članak
doi:10.5937/sjm8-3235


Unapređenja u dostizanju tačnosti predviđanja - studija slučaja makroekonomskih predviđanja u Rumuniji
Academy of Economic Studies, Faculty of Cybernetics, Statistics and Economic Informatics, Bucharest, Romania

e-adresa: mihaela_mb1@yahoo.com

Sažetak

Cilj ovog istraživanja je da uvede novi pristup tačnosti predviđanja za dve vrste predviđanja: predviđanja po tačkama (koren reda n-prosečne vrednosti kvadratne greške, aritmetičke sredine razlike između svake predviđene vrednosti i aritmetičke sredine efektivne vrednosti, odnos korena sume kvadratnih grešaka (RRSSE - za poređenje predviđanja), i različite verzije U2 'Theil's' statistike)), kao i za intervale predviđanja (broj intervala uključenih u realizaciji, razlika između realizovane vrednosti i donje granice, gornje granice, i sredine intervala). Kako bi se predstavile razlike u rezultatima predstavljenim u ovom radu, poređeni su sa vrednostima određenim primenom klasičnog merenja tačnosti predviđanja stope inflacije i nezaposlenosti koje vrši Institut ekonomskog predviđanja Rumunije (IEF) kao i Nacionalna komisija za prognozu (NCP) u periodu 2010 - 2012. Hijerarhija predviđanja dobijena klasičnim indikatorima i novim načinom, je različita. Preko metode građenja intervala predviđenja iskorišćene su i nova dostignuća predstavljena u literaturi. Korišćeni su novi intervali zasnovani na standardnoj devijaciji kao i oni konstruisani upotrebom polaznih tehnika ubrzanja korelacije odstupanja (BCA).

Ključne reči

predviđanje; tačnost; 'U Theil's' statistika; intervali predviđanja; tehnika ubrzanja korelacije

Reference

Abreu, I. (2011) International organisations' vs. private analysts' forecasts: an Evaluation. http://www.bportugal.pt/en-US/BdP%20Publications%20Research/wp201120.pdf
Armstrong, S.J., Fildes, R. (1995) Correspondence on the selection of error measures for comparisons among forecasting methods. Journal of Forecasting, 14(1): 67-71
Bratu, M. (2012) Strategies to Improve the Accuracy of Macroeconomic Forecasts in USA. LAP LAMBERT Academic Publishing
Clark, T.E., Mccracken, M.W. (2013) Evaluating the accuracy of forecasts from vector auto regression. u: Working Paper 2013-010A., Federal Reserve Bank of St. Louise
Davison, A.C., Hinkley, D.V. (1997) Bootstrap methods and their application. Cambridge University Press
Dovern, J., Weisser, J. (2011) Accuracy, unbiasedness and efficiency of professional macroeconomic forecasts: An empirical comparison for the G7. International Journal of Forecasting, 27(2): 452-465
Fildes, R., Steckler, H. (2000) The State of Macroeconomic Forecasting. u: Lancaster University EC3/99, George Washington University, Center for Economic Research, Discussion Paper, No. 99-04
Genre, V., Kenny, G., Meyler, A., Timmermann, A. (2013) Combining expert forecasts: Can anything beat the simple average?. International Journal of Forecasting, 29(1): 108-121
Gorr, W.L. (2009) Forecast accuracy measures for exception reporting using receiver operating characteristic curves. International Journal of Forecasting, 25(1): 48-61
Heilemann, U., Stekler, H. (2007) Introduction to “The future of macroeconomic forecasting”. International Journal of Forecasting, 23(2): 159-165
Hess, D., Orbe, S. (2013) Idiosyncratic predictability and analyst characteristic. University of Cologne papers, 30(1): 3-20
Novotny, F., Rakova, M.D. (2012) Assessment of Consensus forecasts accuracy: The Czech National Bank perspective. Economic Research Bulletin, 10(2): 10-13
Ruth, K. (2008) Macroeconomic forecasting in the EMU. Journal of Policy Modeling, 30(3): 417-429
Teräsvirta, T., van Dijk, D., Medeiros, M.C. (2005) Linear models, smooth transition autoregressions, and neural networks for forecasting macroeconomic time series: A re-examination. International Journal of Forecasting, 21(4): 755-774